深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1	2026-06-04	Association between Open-Angle Glaucoma Progression and Cardiovascular Risk Predicted by a Deep Learning-Based Fundus Imaging Model 2026-Apr-22, Ophthalmology. Glaucoma DOI:10.1016/j.ogla.2026.04.004 PMID:42031235	研究论文	本文研究基于深度学习的眼底成像模型预测的心血管风险与开角型青光眼进展之间的关联	首次利用深度学习从眼底照片衍生的RetiCAC评分来评估系统性动脉粥样硬化负担与青光眼视野进展的关系	回顾性研究设计，样本量有限（192名患者），且未说明深度学习模型的外部验证	探讨RetiCAC评分（深度学习衍生的心血管风险指标）与青光眼视野进展的关联	192名开角型青光眼患者的眼底照片和视野数据	机器学学习	开角型青光眼	眼底成像	深度学习模型	图像	192只眼睛（来自192名患者）	NA	深度学习模型（未具体指定架构）	关联分析（P值）、生存分析（显著性）、散点图拟合	NA
2	2026-06-04	Full-DIA enables complete single-cell proteomics from diaPASEF using deep learning 2026-Apr-21, Genome biology IF:10.1Q1 DOI:10.1186/s13059-026-04087-x PMID:42015180	研究论文	Full-DIA是一个基于深度学习的软件，通过增强蛋白质组覆盖度、定量准确性和分析速度，实现了对单细胞diaPASEF数据的完整蛋白质组分析，并生成无缺失值的蛋白质矩阵	首次利用深度学习驱动实现四维diaPASEF分析，生成无缺失值的蛋白质矩阵，显著提高蛋白质组覆盖度、定量准确性和分析速度，并有效控制全局FDR	未明确说明局限性，但可能依赖特定数据格式或计算资源	开发一种深度学习驱动的方法，用于提升单细胞diaPASEF蛋白质组分析的完整性和准确性	单细胞水平的蛋白质组数据，包括LPS处理和细胞周期数据集	深度学习, 蛋白质组学	NA	diaPASEF, 四维离子淌度分离	深度学习模型	蛋白质组学数据	LPS处理和细胞周期数据集（具体数量未提及）	NA	NA	蛋白质组覆盖度, 定量准确性, 分析速度, 全局FDR	NA
3	2026-06-02	Effective elimination of respiratory misregistration-induced attenuation correction errors in PET/CT via deep learning trained on data-driven gated PET from strictly respiratory-phase-matched PET/CT cases 2026-Apr-19, EJNMMI physics IF:3.0Q2 DOI:10.1186/s40658-026-00880-6 PMID:42002706	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
4	2026-06-04	Risk prediction model of survival in patients with low-grade serous ovarian cancer: a multicenter Cohort study 2026-Apr-18, Journal of ovarian research IF:3.8Q1 DOI:10.1186/s13048-026-02108-8 PMID:42001128	研究论文	开发并验证低级别浆液性卵巢癌患者复发和生存风险的预测模型	首次针对低级别浆液性卵巢癌这一罕见亚型，结合Cox回归模型和深度学习模型，构建了可视化列线图预测模型，并证明其优于传统FIGO分期系统	基于回顾性研究设计，样本量较小（仅155例），且缺乏外部验证	开发预测低级别浆液性卵巢癌患者复发和生存结局的模型	低级别浆液性卵巢癌（LGSOC）患者	机器学习	卵巢癌	NA	Cox比例风险模型、深度学习（神经网络）	临床数据	155例低级别浆液性卵巢癌患者	NA	深度学习模型（具体架构未说明）	AUC, C-index, NRI, IDI	NA
5	2026-06-04	Assessing changes in aortic motion and hemodynamics after valve-sparing aortic root surgery in Marfan syndrome using four-dimensional balanced steady-state free precession and four-dimensional flow cardiovascular magnetic resonance 2026-Apr-17, Journal of cardiovascular magnetic resonance : official journal of the Society for Cardiovascular Magnetic Resonance IF:4.2Q1 DOI:10.1016/j.jocmr.2026.102728 PMID:42001956	研究论文	利用四维平衡稳态自由进动和四维血流心血管磁共振评估马凡综合征患者行保留瓣膜的主动脉根部手术后主动脉运动及血流动力学变化	首次采用高级心血管磁共振技术（4D bSSFP和4D Flow）结合深度学习分割管道（nnU-Net）评估马凡综合征患者术后主动脉生物力学和血流动力学的变化	样本量小（仅3例患者），且未明确生物力学变化与临床结局（如B型主动脉夹层）的关联	评估马凡综合征患者行保留瓣膜的主动脉根部手术前后主动脉运动及血流特性的变化	马凡综合征患者的主动脉（升主动脉和降主动脉）	数字病理学	心血管疾病	心血管磁共振（4D bSSFP和4D Flow）	nnU-Net	图像	3例马凡综合征患者（年龄26-37岁，2男1女）	PyTorch	nnU-Net	主动脉位移、扩张性、壁面剪切应力、速度、脉搏波速度	NA
6	2026-06-04	Fast cardiac magnetic resonance (CMR) protocol for biventricular functional assessment and tissue characterisation 2026-Apr-15, International journal of cardiology IF:3.2Q2 DOI:10.1016/j.ijcard.2026.134197 PMID:41605334	研究论文	比较传统标准心血管磁共振协议与基于深度学习重建的快速协议,评估图像质量、功能测量、心肌特征及扫描时长	提出一种结合深度学习重建(Sonic DL)和多段PSIR LGE(AIR Recon DL)的快速CMR协议,将总扫描时间减少近60%,在10分钟内完成全面评估	NA	验证基于深度学习重建的快速CMR协议在双心室功能评估和组织特征化中的可行性和诊断质量	100名已知或怀疑患有心肌疾病的患者	机器学习	心血管疾病	心血管磁共振(CMR)	深度学习重建模型	图像	100名患者(78%男性,平均年龄52岁,平均BMI 25.0 kg/m2)	NA	Sonic DL, AIR Recon DL	Likert评分, 心室大小, 功能, 左心室质量, 扫描时间	NA
7	2026-06-04	The association of environmental exposure with multiple sclerosis severity score: A study based on sequential data modeling 2026-Apr-15, International journal of medical informatics IF:3.7Q2 DOI:10.1016/j.ijmedinf.2026.106295 PMID:41616738	研究论文	本研究应用人工智能方法探究环境暴露与多发性硬化严重程度评分之间的关联	首次将纵向临床数据与环境暴露数据（包括空气污染和天气条件）整合至深度学习模型中预测多发性硬化严重程度评分，并采用自动化机器学习进行特征选择	本研究为单中心回顾性分析，样本量有限（535名患者，4022次访视），且未说明外部验证结果	探究环境暴露与多发性硬化严重程度评分的关联，并评估深度学习模型在预测中的表现	535名多发性硬化患者的纵向临床记录及居住地环境暴露数据	机器学习	多发性硬化	自动机器学习、深度学习、SHAP特征重要性分析	循环神经网络、长短期记忆网络、门控循环单元	临床记录、环境数据（空气污染、天气条件）	535名多发性硬化患者的4022次访视记录	NA	GRU	AUC	NA
8	2026-06-04	rbpCNN: a biophysics-informed deep learning model for predicting piRNA and mRNA interactions 2026-Apr-13, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-48797-5 PMID:41974838	研究论文	提出一种结合生物物理信息的轻量级卷积神经网络rbpCNN，用于预测piRNA与mRNA的相互作用	通过在核苷酸对编码中补充生物物理相互作用通道（兼容性通道、螺旋运行通道、位置通道和结构通道）来增强预测准确性	未提及具体局限性	提高piRNA与mRNA相互作用预测的准确性，以支持生殖细胞转录后调控研究及PIWI导向沉默的扰动设计	piRNA序列与mRNA序列的相互作用	机器学习	NA	NA	卷积神经网络	序列数据	五折交叉验证和独立外部数据集	NA	CNN	AUC, 准确率	NA
9	2026-05-02	Deep learning detection of retinitis pigmentosa inheritance forms through synthetic data expansion of a rare disease dataset 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47341-9 PMID:41965358	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
10	2026-06-04	A two-stage deep learning model for risk identification in green supply chain finance 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46830-1 PMID:41965401	研究论文	构建了一个两阶段深度学习模型，用于绿色供应链金融中的风险识别	创新性地将生成对抗网络与残差自编码器结合用于数据增强，并将深度神经网络与多核支持向量机融合以提升复杂非线性风险模式的分类能力	NA	实现绿色供应链金融中风险的智能化和精确识别	2015-2024年间168家企业的绿色供应链金融风险样本	机器学习	NA	NA	生成对抗网络、残差自编码器、深度神经网络、多核支持向量机	表格数据	168家企业样本，时间跨度2015-2024年	NA	GAN-SAE, DNN-SVM	准确率、召回率、AUC	NA
11	2026-06-04	Multimodal deep feature fusion with transformer for brain tumor classification from magnetic resonance imaging 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44957-9 PMID:41965397	研究论文	提出一种多模态深度特征融合框架，结合 transformer 实现脑肿瘤 MRI 图像的自动检测与分割	利用 CapsNet、ResNet-50 和 AlexNet 进行特征融合，并结合双向卷积长短期记忆网络与 transformer 模型 (TBConvL-Net) 进行肿瘤分类，最后使用 nnUNet 进行精确分割	仅在 BT MRI 数据集上进行评估，泛化性需进一步验证	开发一种多模态深度学习框架，用于脑肿瘤 MRI 图像的精确检测与分割	脑肿瘤 MRI 图像	计算机视觉, 数字病理学	脑肿瘤	MRI	CNN, LSTM, Transformer, 胶囊网络, UNet	图像	NA	NA	CapsNet, ResNet-50, AlexNet, TBConvL-Net, nnUNet	准确率	NA
12	2026-06-04	Lightweight attention enhanced YOLOv11 for accurate multi class detection of brinjal diseases 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47734-w PMID:41965414	研究论文	提出一种轻量级深度学习模型IEMA-YOLOv11，用于茄子病害的多类别实时检测	结合EMA注意力机制、IRMB模块和LDFM模块提取细粒度病变特征，并采用改进的MPDIoU损失函数提升目标定位精度	未提及，原文无相关信息	实现茄子病害的自动化实时检测，解决相似病害类别间的误诊问题	茄子病害（6种真菌、2种细菌、3种病毒和1种线虫感染）	计算机视觉	茄子病害	深度学习图像识别	YOLOv11	图像	包含6种真菌、2种细菌、3种病毒和1种线虫感染的多类茄子病害数据集	PyTorch	IEMA-YOLOv11（基于YOLOv11，集成EMA注意力、IRMB模块和LDFM模块）	精确率96.5%，召回率95.7%，mAP@50 95.6%，mAP@50:95 94.9%	NA
13	2026-06-04	Comparative analysis of deep learning algorithms for rolling element bearing fault classification under variable loads and speeds 2026-Apr-11, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-42592-y PMID:41965751	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
14	2026-06-04	Hybrid CNN-decision tree framework for efficient transmission line fault detection and classification: an XAI-based approach 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-45514-0 PMID:41963451	研究论文	提出一种混合1D卷积神经网络-决策树框架，用于输电线路故障检测与分类，并集成可解释人工智能方法	将一维CNN作为特征提取器，决策树执行可解释分类，区别于传统端到端深度学习模型，并集成SHAP提供全局和实例级可解释性	仅在仿真环境中测试，未在真实输电线路数据上验证	实现输电线路故障的高效、准确且可解释的检测与分类，提升电力系统稳定性	输电线路故障，包括短线路、长分布式线路、源端故障和负载端故障	机器学习	NA	NA	1D卷积神经网络-决策树	三相电压和电流测量值	模拟生成的大规模平衡数据集，涵盖正常操作和十种故障类型	MATLAB/Simulink	1D-CNN,决策树	准确率	NA
15	2026-06-04	Assessing trends and forecasting meteorological drought in South Africa using Savitzky-Golay enhanced hybrid deep learning 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46664-x PMID:41963462	研究论文	本研究使用Savitzky-Golay增强混合深度学习模型评估和预测南非气象干旱趋势	开发了集成Savitzky-Golay滤波器与时间卷积网络和长短期记忆网络的新型混合模型SG-TCN-LSTM，用于气象干旱预测	未来需扩展模型纳入更多气候驱动因素，评估其在不同气候区域的迁移性，并探索在业务干旱预警系统中的应用	评估南非夸祖鲁-纳塔尔省uMkhanyakude地区的长期干旱趋势，并增强干旱预测能力	南非夸祖鲁-纳塔尔省uMkhanyakude地区的六个气象站	机器学习	NA	NA	混合模型（SG-TCN-LSTM）	时间序列数据（日降雨量记录）	1980年至2023年共43年每日降雨量记录，来自六个气象站	NA	Savitzky-Golay滤波器、时间卷积网络、长短期记忆网络	均方根误差、决定系数	NA
16	2026-06-04	Leveraging convolutional sparse autoencoders for robust movement classification from low-density sEMG 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47492-9 PMID:41963500	研究论文	提出一种仅使用两个表面肌电图通道、基于卷积稀疏自编码器的深度学习框架，实现高精度手势识别，并支持少样本迁移学习和增量学习	利用卷积稀疏自编码器直接从原始信号提取时序特征，无需启发式特征工程；结合少样本迁移学习显著提升跨个体泛化能力；支持基于增量学习的类别扩展而不需完整模型重训练	仅在健全个体上进行概念验证，未在截肢患者中验证；传感器密度低可能限制复杂手势识别精度	开发一种低计算开销、低传感器密度的可扩展肌电假肢控制方案	表面肌电图信号中的手势分类任务	机器学习	截肢	sEMG	卷积稀疏自编码器	时序信号	6类手势数据集，包含多受试者数据	NA	卷积稀疏自编码器	F1分数	NA
17	2026-04-12	QuantumNeuroXAI: a quantum-inspired deep learning framework with explainability for brain signal analysis and neurological disorder detection 2026-Apr-10, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-47627-y PMID:41963527	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA	NA
18	2026-06-04	Non-invasive endometriosis staging prediction using integrated radiomics and spatiotemporal transformer model based on dynamic contrast-enhanced MRI 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-41499-y PMID:41957071	研究论文	提出一种结合放射组学和时空Transformer的非侵入性子宫内膜异位症分期预测模型，基于动态对比增强MRI	提出双路径架构，通过跨模态注意力机制实现工程化放射组学特征与学习到的时空表示之间的双向优化，并结合自适应加权机制根据个体病例特征调整特征贡献	对治疗决策的最终影响需进一步回顾性评估	开发非侵入性子宫内膜异位症分期预测方法，克服传统诊断依赖于有创腹腔镜的局限性	子宫内膜异位症病变的动态对比增强MRI图像序列	计算机视觉	子宫内膜异位症	动态对比增强磁共振成像	Transformer	图像	486例手术确认病例（内部训练/测试集），127例回顾性患者（外部验证集）	NA	Spatiotemporal Transformer	准确率, F1分数	NA
19	2026-06-04	FedLiverNet: a federated learning framework for privacy-preserving and efficient liver cancer detection 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-46244-z PMID:41957078	研究论文	提出 FedLiverNet，一种用于隐私保护且高效的肝肿瘤检测联邦学习框架	结合改进的 U-Net 骨干网络、差分隐私聚合和带局部自适应的聚类联邦学习，以应对非独立同分布数据并降低通信成本	基于仿真实验，未在真实多中心数据上验证；隐私保护可能仍存在优化挑战	实现隐私保护下的多中心肝脏和肿瘤分割，同时提升通信效率和模型性能	CT 图像中的肝脏和肿瘤分割	计算机视觉	肝癌（肝肿瘤）	CT 成像	U-Net 变体	影像数据	未明确提及	NA	改进的 U-Net	Dice 系数，通信成本降低	NA
20	2026-06-04	Explainable deep learning-based lung cancer diagnosis using clinically-guided local interpretable model-agnostic explanations 2026-Apr-09, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-026-44127-x PMID:41957146	研究论文	提出了一种基于自适应超像素扰动的局部可解释模型无关解释方法，用于深度学习的肺癌诊断	引入自适应超像素分割、分层扰动策略、肺部区域掩膜和后处理增强，改进了传统局部可解释模型无关解释方法，提高了医学影像解释的忠实度和定位能力	未提及在多样化临床数据集上的验证或计算效率分析	开发可解释的深度学习诊断工具，增强模型在肺癌分类中的临床接受度	肺部医学影像中的肺癌分类任务	计算机视觉、数字病理学	肺癌	医学影像分析	卷积神经网络	图像	基于公开肺部图像数据集	NA	MedDeepNet	准确率、召回率、精确率、特异性、F1分数、删除分数、插入分数、扰动曲线间面积	NA